摘要：麻省理工学院的科学家们提出了一个大胆的新模型，这些星形细胞凭借其复杂的网络和钙信号传导，能够帮助储存海量信息，其储存量可能远超单个神经元。这一理论可能会撼动神经科学和人工智能，揭示出一个被忽视了几十年的隐藏计算层。

星形胶质细胞或许是大脑巨大记忆容量的关键，它们利用钙信号和复杂的网络，将存储量提升到远超神经元单独管理的水平。

星形胶质细胞曾被认为是大脑的管家，但实际上它可能是无声的记忆发电站。

麻省理工学院的科学家们提出了一个大胆的新模型，这些星形细胞凭借其复杂的网络和钙信号传导，能够帮助储存海量信息，其储存量可能远超单个神经元。这一理论可能会撼动神经科学和人工智能，揭示出一个被忽视了几十年的隐藏计算层。

人脑拥有约 860 亿个神经元，这些细胞发出电信号来储存记忆并将信息传递到全身。众所周知，这些神经元驱动着我们的思考、学习和记忆方式。

但神经元并非唯一承担这项任务的细胞。大脑中还包含数十亿个星形胶质细胞，这些细胞呈星状，具有长长的分支。这些细胞可以与数百万个神经元相互作用，长期以来，人们认为它们仅仅起到支撑作用。然而，新的研究表明，星形胶质细胞的作用可能远不止于此，包括在记忆的存储过程中发挥积极作用。

麻省理工学院的一组研究人员提出了一个令人兴奋的新观点：星形胶质细胞可能对大脑惊人的记忆容量至关重要。他们的模型有助于解释我们的大脑如何能够存储比单纯使用神经元所能存储的信息量大得多的信息。

“最初，人们认为星形胶质细胞只是清理神经元，但进化没有意识到这一点，因为每个星形胶质细胞可以接触数十万个突触，所以它们也可以用于计算，”麻省理工学院机械工程和脑与认知科学教授，新研究的作者让-雅克·斯洛廷（Jean-Jacques Slotine）说。

这项研究由麻省理工学院-IBM 沃森人工智能实验室和 IBM 研究院的德米特里·克罗托夫（Dmitry Krotov）领导。该论文于 5 月 23 日发表在《美国国家科学院院刊》上，2022 届博士生列奥·科扎奇科夫（Leo Kozachkov）为主要作者。

麻省理工学院的研究人员提出了一个新的假设，关于星形胶质细胞如何参与大脑记忆的存储。他们的模型基于密集联想记忆网络，有助于解释大脑巨大的存储容量。图片来源：麻省理工学院新闻

星形胶质细胞在大脑中发挥着许多支持作用。它们帮助清除大脑碎片，向神经元输送营养，并维持血液正常流动。

它们还会发出细长的突起，称为“突起”，可以包裹单个突触——神经元之间的接触点。这就形成了科学家所说的三部分突触，两个神经元和一个星形胶质细胞在此相互作用。

在过去的几年里，神经科学家已经证明，如果海马体中的星形胶质细胞和神经元之间的连接中断，记忆的存储和检索就会受损。

与神经元不同，星形胶质细胞不能激发动作电位，即在大脑中传递信息的电脉冲。然而，它们可以利用钙信号与其他星形胶质细胞进行交流。在过去的几十年里，随着钙成像分辨率的提高，研究人员发现钙信号还能使星形胶质细胞与其所连接的突触中的神经元协调活动。

这些研究表明，星形胶质细胞能够感知神经活动，从而改变自身的钙水平。这些变化可能促使星形胶质细胞向突触释放神经胶质递质——类似于神经递质的信号分子。

“神经元信号和星形胶质细胞与神经元之间的信号传递之间存在一个闭合的循环，”科扎奇科夫说：“目前尚不清楚的是，星形胶质细胞究竟能利用它们从神经元感知到的信息进行什么样的计算。”

麻省理工学院的研究团队着手模拟这些连接可能发挥的作用以及它们如何促进记忆存储。他们的模型基于霍普菲尔德网络——一种能够存储和调用模式的神经网络。

Hopfield 网络最初由约翰·霍普菲尔德（John Hopfield）和甘利俊一（Shun-Ichi Amari）在 20 世纪 70 和 80 年代开发，常用于模拟大脑，但事实证明，这些网络无法存储足够的信息来解释人脑巨大的记忆容量。Hopfield 网络的一个较新的改进版本，被称为密集联想记忆，可以通过两个以上神经元之间更高阶的耦合来存储更多信息。

然而，大脑如何在假设的突触中实现这些多神经元的耦合尚不清楚，因为传统的突触只连接两个神经元：一个突触前细胞和一个突触后细胞。这时，星形胶质细胞就发挥作用了。

“如果你有一个成对连接的神经元网络，那么在这些网络中你只能编码非常少量的信息，”克罗托夫说：“为了构建密集的联想记忆，你需要连接两个以上的神经元。由于单个星形胶质细胞可以连接许多神经元和突触，因此人们很容易假设，突触之间可能存在由这种生物细胞介导的信息传递。这启发了我们研究星形胶质细胞，并引导我们开始思考如何在生物学中构建密集的联想记忆。”

研究人员在新论文中开发的神经元-星形胶质细胞联想记忆模型可以存储比传统霍普菲尔德网络多得多的信息——足以解释大脑的记忆容量。

研究人员表示，神经元和星形胶质细胞之间广泛的生物学联系，为此类模型可能解释大脑记忆存储系统如何运作提供了支持。他们假设，在星形胶质细胞内，记忆是由钙流模式的逐渐变化编码的。这些信息通过星形胶质细胞突起所连接的突触释放的胶质递质传递给神经元。

科扎奇科夫说：“通过仔细协调这两件事——细胞中钙的空间时间模式以及向神经元发出的信号——你可以获得大幅增加记忆容量所需的动态。”

新模型的关键特征之一是，它将星形胶质细胞视为一系列过程的集合，而非单一实体。每个过程都可以被视为一个计算单元。由于密集联想存储器具有强大的信息存储能力，存储的信息量与计算单元数量的比率非常高，并且会随着网络规模的扩大而增长。这使得该系统不仅容量高，而且节能。

“通过将三部分突触域（星形胶质细胞与突触前和突触后神经元动态相互作用的区域）概念化为大脑的基本计算单元，作者认为每个单元可以存储与网络中神经元数量相同的记忆模式。这引出了一个惊人的结论：原则上，神经元-星形胶质细胞网络可以存储任意数量的模式，仅受其规模限制，”多伦多大学克伦比尔研究所生理学助理教授毛里齐奥·德·皮塔（Maurizio De Pitta）说道，他并未参与这项研究。

为了测试该模型是否能够准确地代表大脑如何存储记忆，研究人员可以尝试开发精确操纵星形胶质细胞过程之间连接的方法，然后观察这些操纵如何影响记忆功能。

“我们希望这项工作的成果之一是实验者能够认真考虑这个想法，并进行一些实验来检验这个假设，”克罗托夫说。

除了深入了解大脑如何存储记忆之外，该模型还能为人工智能领域的研究人员提供指导。通过改变进程间网络连接，研究人员可以生成大量可用于不同目的的模型，例如，在大型语言模型中，在密集联想记忆和注意力机制之间建立连续统一体。

“虽然神经科学最初启发了人工智能的关键思想，但过去 50 年的神经科学研究对该领域影响甚微，许多现代人工智能算法已经偏离了神经类比，”斯洛廷说道：“从这个意义上讲，这项工作可能是近期神经科学研究对人工智能做出的首批贡献之一。”

参考文献：Leo Kozachkov、Jean-Jacques Slotine 和 Dmitry Krotov 合著的《神经元-星形胶质细胞联想记忆》，2025年5月23日， 《美国国家科学院院刊》。DOI：10.1073/pnas.2417788122

来源：康嘉年華一点号